在长视频序列中定位宏表情与微表情区间
计算机视觉与模式识别
2020-03-23 v3 图像与视频处理
摘要
本文给出第三届面部微表情大奖赛（MEGC 2020）的基线结果。采用主方向最大差分分析（MDMD）方法在 CAS(ME) 与 SAMM 长视频中定位宏表情与微表情区间。MDMD 方法利用光流特征主方向上的幅值最大差分来定位面部运动。将原始 MDMD 方法的单帧预测结果后处理为合理的视频区间。对基线结果的指标 F1 分数进行评估：对于 CAS(ME)，宏表情与微表情的 F1 分数分别为 0.1196 与 0.0082，总体 F1 分数为 0.0376；对于 SAMM 长视频，宏表情与微表情的 F1 分数分别为 0.0629 与 0.0364，总体 F1 分数为 0.0445。基线项目代码公开于 https://github.com/HeyingGithub/Baseline-project-for-MEGC2020_spotting。
引用
@article{arxiv.1912.11985,
title = {Spotting Macro- and Micro-expression Intervals in Long Video Sequences},
author = {Ying He and Su-Jing Wang and Jingting Li and Moi Hoon Yap},
journal= {arXiv preprint arXiv:1912.11985},
year = {2020}
}
备注
7 pages, 4 figures and 3 tables